《表1 云机器人框架中人脸检测和识别服务压力测试的统计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于SOA的云机器人服务框架设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验中云机器人集群的节点分布情况和两类服务及其副本的部署情况如图5所示，集群中的3台主机两两可以通信，两类服务各有3个服务副本，其中a1，a2，a3是人脸检测服务的3个副本，b1，b2，b3是人脸识别服务的3个服务副本，c1，c2，c3是非操作服务，主要负责服务请求和响应数据的转发。为了说明框架的有效性和鲁棒性，我们将发布的人脸检测服务和人脸识别服务按照图5的方式部署到云机器人分布式服务框架中，并利用wrk工具对云机器人分布式服务框架中的这两种服务进行压力测试。表1是压力测试的统计结果，我们分别进行了3种场景下的3轮压力测试，3种场景分别是128个连接、256个连接和512个连接，即同一个时刻同时会有128、256或512个服务调用请求，并且每种场景进行3轮每轮持续20s的服务调用压力测试，分别统计了这20s的服务成功调用的次数、服务调用失败（或者超时）的次数、QPS（每秒服务成功调用并返回正确响应结果的次数）。如表1的统计结果所示，本文的云机器人服务框架在面临着人脸检测和人脸识别这类的计算密集型的服务时，仍能保持1000以上的QPS，并且随着连接数的升高，QPS也能随着上升。因为服务调用采用的是异步调用方式，前一个没有完成服务不会阻塞下一个服务的调用，因此能够获得较高的QPS。